农业机械学报

作者：俞国燕，钱利文，刘皞春，何子健

单位：广东海洋大学;广东省海洋装备及制造工程技术研究中心,广东海洋大学;广东省海洋装备及制造工程技术研究中心,广东海洋大学;广东省海洋装备及制造工程技术研究中心,广东海洋大学;广东省海洋装备及制造工程技术研究中心,

关键词：深海网箱养殖;鱼类摄食;YOLO v8n-seg;轻量化;双目相机;语义分割

基金：广东省研究生教育创新计划项目（2023JGXM_75）、广东海洋大学科研启动资金项目（060302062201）、广东农技服务轻骑兵重大农业技术乡村行推广项目（NJTG20240240）、广东省南海海洋牧场智能装备重点实验室课题（2023B1212030003）、广东省普通高校创新团队项目（2024KCXTD041）和湛江市现代海洋渔业装备重点实验室项目（2021A05023）

为精确判别深海网箱养殖中鱼类摄食强度，实现精量投喂，以金鲳鱼进食时造成的水花为研究对象，利用双目相机拍摄到的深度图像进行非侵入性的摄食强度分析，提出一种基于双目相机和深度学习的水花面积语义分割和计算方法。首先，为了使模型能够在低成本的边缘设备上部署，通过StarNet和BiFPN以及自主设计的SCD-Head共享卷积检测头对YOLO v8n-seg进行改进，提出轻量化的YOLO v8n-SBS模型。在精度提升3.2个百分点的同时，参数量与浮点运算量分别减少71%和36%。其次，为降低设备成本，采用双目相机，基于深度信息利用线性回归提出水花面积计算模型DI。最终，两个模型结合为YOLO v8n-SBS-DI，该模型能够对水花进行分割并计算面积，以便通过水花面积变化趋势评估摄食强度。海上试验计算结果显示，水花面积R2为0.914，RMSE为0.973 m2，MAE为0.870 m2。试验结果表明，该模型具有较强鲁棒性，满足复杂环境下水花面积计算需求，可为判别鱼类摄食强度提供技术支持。

来源：2025年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第3期